シラバス情報

授業科目名
ビジネスとデータサイエンス
開講年次
3年
開講年度学期
2022年度後期
単位数
2単位
科目ナンバリング
E-IN-308L
担当教員名
中西 正
担当形態
単独
【科目の位置付け】
教員の免許状取得のための必修科目
科目区分・・・教科及び教科の指導法に関する科目(高等学校 情報)
施行規則に定める科目区分又は事項等・・情報システム(実習を含む。)
この授業の基礎となる科目
統計解析
情報リテラシ
次に履修が望まれる科目
【授業の目的と到達目標】
収集されたデータに対しExcelなどのツールを介しての問題解決手法を,経営科学の視点から検討・評価する能力を身につける.実際に機関から公開されている問題やデータに対しExcelより分析の実践を行い,本講義に関連する問題を十分に理解・解釈する知識の習得を図る.
【授業の概要】
本講義は,教職関連科目のうち,「実習を含む」科目として分類される.この講義の演習では,表計算ソフトウェアを用いた演習を中心に,情報システムから得られたデータの管理・運営・活用に注目して,経営科学に対する実践的な能力を習得することを目的としている.
また,講義ではオープンデータなどの実際のデータを用いて解析を実践し,その解釈を行う.
【授業計画と授業の方法】
第 1回:講義の概要と説明,データサイエンスの概要 [講義][ディスカッション][演習]
第 2回:現代社会におけるデータサイエンスとその役割 [講義][ディスカッション][演習]
第 3回:データ分析の基礎(平均,分散,ヒストグラム,確率分布) [講義][ディスカッション][演習]
第 4回:標本調査,仮説検定 [講義][ディスカッション][演習]
第 5回:グラフの検討,散布図 [講義][ディスカッション][演習]
第 6回:相関分析,クロス集計,アソシエーション分析 [講義][ディスカッション][演習]
第 7回:顧客満足度分析 [講義][ディスカッション][演習]
第 8回:回帰分析 [講義][ディスカッション][演習]
第 9回:主成分分析,Biplotからのデータ解釈 [講義][ディスカッション][演習]
第10回:クラスタリング,人工知能,機械学習と深層学習 [講義][ディスカッション][演習]
第11回:実データに対するデータ分析(中間考査)[講義][ディスカッション][演習]
第12回:経営のための情報管理と意思決定支援 [講義][ディスカッション][演習]
第13回:ビックデータとクラウド技術,オープンデータ [講義][ディスカッション][演習]
第14回:シビックテックによるオープンデータを活用した地域課題解決 [講義][ディスカッション][演習]
第15回:データサイエンス事例と今後の展望 [講義][ディスカッション][演習]

各回に必要な事前学習と事後学習時間:
事前学習:前回の講義復習・講義の事前予習45分程度
事後学習:出席レポート45分程度
テキスト・参考書
毎回の講義の資料をアップロードします.
授業時間外の学修
参考図書:
1. 編)竹村彰通,姫野哲人,高田聖治:データサイエンス入門,ISBN:978-4780607017,学術図書出版社

2. 著)大城信晃,他:AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出],ISBN:978-4297117580, 技術評論社

参考サイト:
3, 健山智子,研究と講義のサポートページ
成績評価の方法と基準
毎回の講義課題,講義内で指定するデータ解析・解釈の提出,ミニワーク
備  考
1.教科書の予習・復習を毎回確実に行う.
2.欠席の場合,次回までにその回の内容を十分に理解する
3.実践講義のため,Excel, Power Point, Webシステムが利用できるパソコンを持ってくること
4. 講義はオンライン講義を実施する(Zoom, Moodleを利用,VPNの接続を確実に行えるようにする)
5. 講義はZoomで出席をとっているので,必ず大学のメールアドレスで登録すること
6. すべての講義において,講義+ディスカッション+演習をメインとして行っているので,積極的にディスカッションへ参加すること
各回に必要な事前学習と事後学習時間:
事前学習:前回の講義復習・講義の事前予習45分程度
事後学習:出席レポート45分程度
担当教員の実務経験の有無
×
実務経験の具体的内容